基于K均值聚類的光伏電站運行狀態(tài)模式識別研究

楊大勇，葛 琪，董永超，唐云龍，賀襯心

?

基于K均值聚類的光伏電站運行狀態(tài)模式識別研究

楊大勇，葛 琪，董永超，唐云龍，賀襯心

(許繼集團有限公司，河南 許昌 461000)

在闡述光伏電站運行狀態(tài)模式識別意義的基礎上，提取了表征光伏電站運行狀態(tài)的相關特征參量?；贙-means聚類原理，對廣東佛山某光伏電站的實際運行數(shù)據(jù)進行相關數(shù)據(jù)處理得到相應的特征矩陣。利用K均值算法進行聚類分析，結果表明K均值聚類算法在光伏電站運行狀態(tài)的模式識別上具有良好的聚類綜合能力，可有效解決光伏電站運行狀態(tài)模式分類處理的復雜性問題，具有重要的理論和應用價值。

光伏電站；K-means；特征聚類；模式識別

0 引言

為了應對氣候變化、保障能源安全、促進經(jīng)濟發(fā)展，近年來在全球范圍內(nèi)進行一輪新的能源變革。光伏發(fā)電是可再生能源最重要的利用形式之一，在優(yōu)化能源結構、提高能源效率、促進節(jié)能降耗，打造低碳模式，最終實現(xiàn)可持續(xù)發(fā)展的綠色能源使命中發(fā)揮重要作用[1-4]。由于光伏發(fā)電系統(tǒng)不同的運行狀態(tài)直接關系到光伏電站發(fā)電收益和健康運行水平，因此如何準確地進行光伏電站運行狀態(tài)模式識別十分重要。

相比于光伏發(fā)電系統(tǒng)可靠性評估方面的研究進展，光伏電站運行狀態(tài)的模式識別方法研究缺乏更深入的探索，文獻[5]考慮了光伏發(fā)電站運行特性的評估指標，以改進的AHP 主觀賦權法和客觀熵值法計算各權重系數(shù)，并將主觀權重和客觀權重進行線性加權，得到各指標的組合權重系數(shù)。但僅考慮了整個電站的并網(wǎng)運行特性，缺少電站內(nèi)部各種設備故障狀態(tài)對電站運行特征的影響分析；文獻[6-8]均在系統(tǒng)層面建立了光伏電站多種運行狀態(tài)模型，但主要用來判斷光伏電站運行的可靠性，對所有運行狀態(tài)的模式識別未進行深入研究，文獻[9-11]探討了光伏電站個別部件故障狀態(tài)對電站的運行影響，但應用范圍具有一定的局限性；文獻[12]針對多個三相不平衡網(wǎng)絡，研究了電壓偏差和不同位置接入分布式光伏最大滲透率評估；文獻[13]將ACM- PSO算法作為一種系統(tǒng)狀態(tài)掃描及分類工具篩選出對發(fā)電可靠性指標有貢獻的系統(tǒng)故障狀態(tài)集，分別從負荷側和電源側求解并網(wǎng)光伏發(fā)電置信容量，但是問題的研究集中于故障狀態(tài)集對光伏發(fā)電置信容量的評估上。

本文在國內(nèi)外已有研究基礎上，首先詳細分析了光伏發(fā)電系統(tǒng)出力特點，繼而進行了表征光伏電站運行狀態(tài)的數(shù)據(jù)相關性分析，提取相關特征量，進行聚類算法建模，最后用實際系統(tǒng)算例驗證了模型的正確性和實用性。

1 相關性分析及特征提取

光伏發(fā)電系統(tǒng)的運行狀態(tài)不僅與系統(tǒng)內(nèi)部部件的工作狀態(tài)有關，而且與環(huán)境參數(shù)的變化有關。表征光伏電站運行狀態(tài)的相關特征量之間又存在較大的相關性，本文從以下兩個方面來進行光伏發(fā)電系統(tǒng)的特點分析，提取影響光伏發(fā)電系統(tǒng)運行狀態(tài)的相關特征參數(shù)。

1.1 數(shù)據(jù)相關性分析

光伏發(fā)電系統(tǒng)效率表示系統(tǒng)方陣由于方陣溫度、輻照的不完全利用、系統(tǒng)部件失效或故障引起方陣額定輸出損失而引起的綜合影響，反映記錄時段內(nèi)從電池組件到箱式變輸入側的整個PV系統(tǒng)各設備的整體運行情況，其計算方法為

由式(1)可看出，系統(tǒng)效率的大小與PV系統(tǒng)等價發(fā)電時間成正比，與PV標準等價發(fā)電時間成反比。

不同的天氣情況會對光伏發(fā)電系統(tǒng)的出力造成影響，如陰雨、多云或者沙塵暴等天氣條件下，光伏發(fā)電系統(tǒng)的出力會急劇下降，這給光伏發(fā)電系統(tǒng)的出力帶來了很大的不確定性。(如圖1所示，為廣東佛山某光伏電站為500 kW逆變器的日輸出功率與輻照度擬合曲線)

(2) PV系統(tǒng)等價發(fā)電時間則與并網(wǎng)側輸出總能量有關，影響光伏發(fā)電系統(tǒng)出力的主要環(huán)節(jié)包括：方陣環(huán)節(jié)、逆變環(huán)節(jié)、箱變損耗、交直流線損。本文從以下幾個方面進行探討。

1) PV方陣平均轉換效率

PV方陣轉換效率主要反映光伏陣列經(jīng)連線損失、低輻射損失、遮擋損失、電池板表面污損、角度損失、MPPT跟蹤損失、輻射量測量錯誤、頻譜損失等損失后輸送到逆變器的能量轉換效率，主要反映PV方陣運行狀態(tài)，與PV方陣的日等價發(fā)電時間有很強的相關性。

PV方陣在物理層覆蓋范圍涉及組件、匯流箱、直流電纜，對于已投運的光伏電站來講，不可改變的因素是組件角度、天氣環(huán)境；直流線損變化范圍較小，對系統(tǒng)效率變化影響較?。粚V方陣平均轉換效率的因素影響較大的有組件故障、組件積灰嚴重、MPPT跟蹤損失、匯流箱支路斷路故障。

(3)

2) 逆變效率

逆變器作為光伏電站的核心設備，逆變效率主要反映逆變器直流到交流的轉換能力[14]。該參數(shù)是評價逆變器的運行狀態(tài)是否良好的重要指標，逆變效率由MPPT及轉換效率兩部分組成。

MPPT效率的數(shù)學表達式為

因此PV方陣能量的輸出與逆變器MPPT跟蹤狀態(tài)直接相關，逆變效率的變化會連帶影響方陣效率以及等價發(fā)電時間的變化，與其他參數(shù)具有很強的相關性。

3) 箱變?nèi)掌骄\行效率

箱變運行效率是指變壓器在某時間區(qū)間內(nèi)的綜合效率，箱變運行效率更能反映箱變整體運行狀態(tài)，為計算方便，可按照輸出與輸入電能量的比值來計算，則箱變?nèi)掌骄\行效率為

因此，箱變?nèi)掌骄\行效率與PV系統(tǒng)日等價發(fā)電時間成正相關。

4) 交流線損

光伏場內(nèi)交流線損往往較小且比較穩(wěn)定，對光伏發(fā)電運行狀態(tài)幾乎沒有影響，在本文研究過程中忽略交流線損對光伏發(fā)電系統(tǒng)運行狀態(tài)的影響。

1.2 特征量提取

根據(jù)以上數(shù)據(jù)相關性分析，提取以下5種特征量進行分析，在一般情況下可得出如表1結論。

表1 特征參數(shù)表

光伏發(fā)電系統(tǒng)的運行狀態(tài)可分為健康運行狀態(tài)、方陣低效運行狀態(tài)、逆變低效運行狀態(tài)、箱變低效運行狀態(tài)、低輻射運行狀態(tài)5種運行狀態(tài)。

2 基于Huffman樹的K均值聚類建模

2.1 建立特征矩陣

常規(guī)光伏電站多以1 MW為一個發(fā)電單元，本文以1 MW在天運行過程產(chǎn)生的相關特征量構成樣本。

每個樣本數(shù)據(jù)涵蓋各個特征量

(9)

2.2 基于Huffman樹的初始聚類中心選取

K均值聚類算法思想簡單易行，時間復雜性接近線性，對于大規(guī)模數(shù)據(jù)的挖掘具有高效性和伸縮性，但隨機選取初始中心點會導致聚類結果不穩(wěn)定，容易陷入局部最優(yōu)而非全局最優(yōu)的不良結果，因此本文采用基于Huffman樹構造的思想，提出一種選取K-均值聚類初始中心點的方法。

以2.1節(jié)建立的特征矩陣為例，向量個數(shù)為，樣本集維數(shù)為5，擬聚類種類為5，初始中心點選取具體步驟如下。

第一步：計算兩兩向量之間的歐氏距離。

得到相異度矩陣，矩陣如式(11)。

第四步：重復步驟一、步驟二、步驟三，直到特征矩陣中僅剩下一個向量。迭代過程中構造樹的過程如圖2所示。

圖2 Huffman樹的構造過程

圖3 Huffman樹的聚類過程

第六步，分別求取5個樹最底層的節(jié)點向量的平均值，得到向量，即為初始聚類中心。

2.3 K均值聚類建模

(14)

(16)

(17)

重復上述步驟，直至滿足如下關系

3 算例分析

本文采用廣東佛山某光伏電站實際運行數(shù)據(jù)作為樣本，計算相應特征量，并進行數(shù)據(jù)分析。如下矩陣為該光伏電站實際運行數(shù)據(jù)經(jīng)過相關運算而構成的特征參數(shù)矩陣，即待聚類元素。其中，第1-5列依次為方陣日平均轉換效率、逆變?nèi)掌骄\行效率、箱變?nèi)掌骄\行效率、系統(tǒng)日等價發(fā)電時間、標準日等價發(fā)電時間。

按照第2節(jié)的聚類方法對該電站特征參數(shù)構成的矩陣進行聚類，初始聚類中心分別利用隨機選取法和基于Huffman樹構造的思想選取法進行確定，利用歐式距離法求取樣本數(shù)據(jù)到初始聚類中心的聚類，經(jīng)過反復迭代后，利用最小距離原則及平均誤差準則函數(shù)判斷聚類的收斂性和電站運行狀態(tài)歸屬類別。

(1) 隨機選取初始聚類中心，得到聚類結果及矩陣中心表達式

聚類中心矩陣表達式為

(2) 基于Huffman樹構造的思想選取聚類中心，得到聚類結果及表達式。

聚類中心矩陣表達式為

討論分析：

(1) 基于K-means的聚類可有效地將樣本數(shù)據(jù)聚為5類，由聚類中心矩陣分析可知：代表光伏電站正常運行模式，代表箱變低效運行模式，代表方陣低效運行模式，代表低輻射運行模式，代表逆變低效運行模式。

(3) K-means聚類算法在處理光伏電站運行狀態(tài)模式識別問題上具有較好的效果，聚類結果容易受初始聚類中心的影響，利用Huffman樹構造的思想來確定初始聚類中心，可有效彌補這一不足，使聚類結果更有效。

4 結論

本文以光伏電站各環(huán)節(jié)日平均效率及等價發(fā)電時間為特征，提出了K-means的聚類算法對光伏電站運行狀態(tài)進行模式識別研究。結果表明在獲得良好的聚類中心矩陣的同時，K均值聚類算法具有良好的聚類綜合能力，聚類結果合理有效，可有效解決光伏電站運行狀態(tài)模式分類處理的復雜性問題，利用基于Huffman結構樹的思想來確定初始聚類中心可顯著改善隨機選取初始聚類中心造成局部最優(yōu)的缺陷，具有重要的理論和應用價值。

[1] 艾欣, 韓曉男, 孫英云. 光伏發(fā)電并網(wǎng)及其相關技術發(fā)展現(xiàn)狀與展望[J]. 現(xiàn)代電力, 2013, 30 (1): 1-7.

AI Xin, HAN Xiaonan, SUN Yingyun. The development status and prospect of grid connected photovoltaic generation and its related technologies[J]. Modern Electric Power, 2013, 30(1): 1-7.

[2] 張曦, 康重慶, 張寧, 等. 太陽能光伏發(fā)電的中長期隨機特性分析[J] 電力系統(tǒng)自動化, 2014, 38(6): 6-13.

ZHANG Xi, KANG Chongqing, ZHANG Ning, et al. Analysis of mid long term random characteristics of photovoltaic power generation[J]. Automation of Electric Power Systems, 2014, 38(6): 6-13.

[3] 趙爽, 劉飛, 孫建軍, 等. 基于改進PR控制器的新能源并網(wǎng)檢測平臺設計[J]. 電力系統(tǒng)保護與控制, 2015, 43(16): 118-124.

ZHAO Shuang, LIU Fei, SUN Jianjun, et al. Parameter design of testing platform for new energy grid connected devices based on improved PR controller[J]. Power System Protection and Control, 2015, 43(16): 118-124.

[4] 姚致清, 于飛, 趙倩, 等. 基于模塊化多電平換流器的大型光伏并網(wǎng)系統(tǒng)仿真研究[J]. 中國電機工程學報, 2013, 33(36): 27-33.

YAO Zhiqing, YU Fei, ZHAO Qian, et al. Simulation research on large-scale PV grid-connected systems based on MMC[J]. Proceedings of the CSEE, 2013, 33(36): 27-33.

[5] 周念成, 池源, 王強, 等. 并網(wǎng)光伏電站在線監(jiān)測及狀態(tài)評估系統(tǒng)[J].電力自動化設備, 2012, 32(10): 6-11.

ZHOU Niancheng, CHI Yuan, WANG Qiang, et al. On-line monitoring and state evaluation system for grid-connected PV generation station[J]. Electric Power Automation Equipment, 2012, 32(10): 6-11.

[6] 王敏, 宗炫君, 袁越, 等. 含光伏電站的發(fā)電系統(tǒng)可靠性分析[J]. 中國電機工程學報, 2013, 33(34): 42-49.

WANG Min, ZONG Xuanjun, YUAN Yue, et al. Reliability analysis of generation systems with photovoltaic stations[J]. Proceedings of the CSEE, 2013, 33(34): 42-49.

[7] PARK J, LIANG W, CHO J, et al. A probabilistic reliability evaluation of a power system including solar/photovoltaic cell generator[C] // Proceedings of Power & Energy Society General Meeting, July 26-30, 2009, Calgary, AB, Canada: 1-6.

[8] CHA S T, JEON D H, BAE I S, et al. Reliability evaluation of distribution system connected photovoltaic generation considering weather effects[C] // Proceedings of the 8th International conference on Probabilistic Methods Applied to Power Systems, September 12-16, 2004, Ames, IA, USA: 451-456.

[9] COLLINS E, DVORACK M, MAHN J, et al. Reliability and availability analysis of a fielded photovoltaic system [C] // Proceedings of the 34th IEEE Photovoltaic Specialists Conference (PVSC), June 7-12, 2009, Philadelphia, PA, USA: 2316-2321.

[10] 王元章, 吳春華, 周笛青, 等. 基于BP神經(jīng)網(wǎng)絡的光伏陣列故障診斷研就[J].電力系統(tǒng)保護與控制, 2013, 41(16): 108-114.

WANG Yuanzhang, WU Chunhua, ZHOU Diqing, et al. A survey of fault diagnosis for PV array based on BP neural network[J]. Power System Protection and Control, 2013, 41(16): 108-114.

[11] 鐘小鳳, 賀德強. 光伏發(fā)電系統(tǒng)故障診斷方法綜述[J].裝備制造技術, 2013(11): 46-49.

ZHONG Xiaofeng, HE Deqiang. A summary on fault diagnosis methods of photovoltaic power generation system[J]. Equipment Manufacturing Technology, 2013(11): 46-49.

[12] 黃巍, 吳俊勇, 魯思棋, 等.電壓偏差和諧波約束下配網(wǎng)光伏最大滲透率評估[J]. 電力系統(tǒng)保護與控制, 2016, 44(6):49-55.

HUANG Wei, WU Junyong, LU Siqi, et al. Maximum photovoltaic penetration considering voltage deviation and harmonic constraints[J]. Power System Protection and Control, 2016, 44(6): 49-55.

[13] 余志強, 王淳, 胡奕濤, 等. 并網(wǎng)光伏發(fā)電置信容量評估[J]. 電力系統(tǒng)保護與控制, 2016, 44(7): 122-127.

YU Zhiqiang, WANG Chun, HU Yitao, et al. Capacity credit evaluation of grid-connected photovoltaic generation [J]. Power System Protection and Control, 2016, 44(7): 122-127.

[14] 姚致清, 張茜, 劉喜梅. 基于 PSCAD/ EMTDC的三相光伏并網(wǎng)發(fā)電系統(tǒng)仿真研究[J]. 電力系統(tǒng)保護與控制, 2010, 38(17): 76-81.

YAO Zhiqing, ZHANG Qian, LIU Ximei. Research on simulation of a three-phase grid-connected photovoltaic generation system based on PSCAD/EMTDC[J]. Power System Protection and Control, 2010, 38(17): 76-81.

(編輯 葛艷娜)

Research on operation state pattern recognition of PV station based on the principle of K-means clustering

YANG Dayong, GE Qi, DONG Yongchao, TANG Yunlong, HE Chenxin

(XJ Group Corporation, Xuchang 461000, China)

Based on expounding the PV power plant state recognition, this paper extracts the relevant characteristics of the operating state of the PV station. Based on the principle of K-means clustering, through the actual operation data processing of a PV station in the city of Foshan, Guangdong Province, the corresponding feature matrix is obtained. Using K-means clustering analysis, the results show that it has important theoretical and applied value not only because the K-means clustering algorithm has a good effective on the pattern recognition of the PV station, but also can effectively solve the complexity problem of the PV station operation mode classification.

PV station; K-means; feature clustering; pattern recognition

10.7667/PSPC151425

2015-08-14；

2016-06-05

楊大勇(1968-)，男，工程師，主要研究方向為光伏發(fā)電系統(tǒng)可靠性分析；E-mail：yangdayong1227o@163.com葛 琪(1988-)，男，工程師，主要研究方向為光伏發(fā)電系統(tǒng)可靠性分析；E-mail：geqi881220@126.com 董永超(1985-)，男，碩士，主要研究方向為光伏發(fā)電系統(tǒng)可靠性分析。E-mail：dong_yong_chao@163.com